製品
人材育成の担当者が、営業チームの能力成長データをまとめた資料を手に、経営層へ成果を説明しているシーンです。

営業スキルの可視化とは、成果につながる行動を測ること

営業スキルの可視化を進めるとき、多くの組織はまず受講率や実施回数といった数字から着手します。ただ、活動量の記録だけでは、担当者が商談で実際に何をできるようになったのかまでは見えてきません。本当に測るべきは、現場での行動の質なのです。

UMUの取り組みを詳しく知る

営業スキルを測る着眼点

商談の段階ごとに分けて見る

営業スキルを測るとき、担当者を「力がある」「まだ弱い」とひとくくりに評価しても、次の一手にはつながりません。アイスブレイク、ヒアリング、価値訴求、反論対応、クロージングと段階に分けて初めて、どの局面でつまずいているのかが見えてきます。可視化の出発点は、この分解にあります。

知識ではなく行動を測る

商品知識のテストで高得点を取る担当者が、実際の商談では言葉に詰まることは少なくありません。知識の量と現場の成果が一致しないのは、測る対象がずれているからです。可視化が向き合うべきなのは、覚えているかどうかではなく、本番に近い状況で実際にどう動けるかという行動の側面です。

スキルが数字に表れにくい理由

従来の営業トレーニングで、具体的なデータのない主観的なフィードバックだけが伝えられ、改善につながりにくい状況を描いたイラストです。

スキルは対話の中にしか現れない

営業スキルは、顧客とやり取りするその瞬間にしか姿を見せません。何を質問するか、切り返しにどう応じるかという判断は、対話の流れの中で一瞬のうちに下されます。商談が終わればその場の空気は消え、手元には結果と印象だけが残ります。だからこそ、スキルは記録に残りにくいのです。

評価が印象に頼ってしまう

共通の物差しがないと、評価はどうしても見る人の印象に寄っていきます。「よかった」「もう少し自然に」といった感想は、担当者が次に何を直せばよいかを示しません。同じ商談でも、観察する人が変われば結論が変わる状態では、スキルを同じ基準でそろえて測ることは難しくなります。

可視化が観察の限界に突き当たる

マネージャーがコーチング依頼や評価シートに追われ、担当者一人ひとりを十分に観察しきれない状況を描いたイラストです。

観察できる人数には限りがある

段階ごとに行動を測ろうとすると、本番に近い場面で一人ひとりを繰り返し観察する必要があります。ところが、マネージャーが立ち会えるロールプレイや同行商談の数には限りがあります。拠点が分かれ、担当者が増えるほど観察が追いつかず、実際に見てもらえるのは一部の担当者だけになりがちです。

一度きりの評価では傾向が見えない

一度の観察でわかるのは、その日その場面での動きにすぎません。スキルの可視化に必要なのは、同じ課題が繰り返されるのか、それとも改善に向かっているのかという傾向です。年に数回の集合トレーニングで見るだけでは、点の記録にとどまり、線としての成長までは追えないと言えます。

AIロールプレイが観察の限界を超える

AIが練習相手を務める

AIが顧客役を務めるロールプレイであれば、担当者はマネージャーの空き時間を待たずに、本番に近い対話を何度でも練習できます。観察の担い手が人だけに限られていた状況が変わり、練習の機会そのものがチーム全員に行き渡ります。見てもらえる人と見てもらえない人の差が生まれにくくなります。

対話がそのままデータになる

練習が共通の場で行われるため、一回ごとの対話が記録され、同じ基準で評価されます。これまで印象でしか語れなかったスキルが、段階別に比較できるデータへと変わります。AIが担うのは反復練習の機会と評価基準の統一、そしてデータ化の部分であり、目標設定や動機づけは引き続き人が担う役割です。

商談の現場でAI練習が効く場面

AIが商談練習の結果を多面的な図表で診断し、どの段階に課題があるかを客観的に示している画面です。

反論対応の弱点をつかむ

新任の担当者が、競合との比較を持ち出される場面をAI相手に繰り返し練習し、終了した直後にどの段階で課題が出たのかを確認します。マネージャーは、その記録をたどることで、チーム全体で反論対応が弱まりやすい傾向を早い段階でつかめます。個人の課題と組織の課題を切り分けやすくなります。

育成の成果を数字で語れる

人材育成の担当者が、四半期の振り返りに向けてチームの練習データを段階別に集計します。以前は手ごたえや印象でしか語れなかった育成の効果を、どの段階の対応がどれだけ伸びたのかという形で経営層に説明できるようになります。トレーニングへの投資を、成果と結びつけて語れるようになります。

まとめ

可視化とは行動の質を測る設計

営業スキルの可視化は、受講率や実施回数を並べることではありません。商談のどの段階で何ができているのかという、行動の質を測る設計そのものです。

人の観察だけでは限界がある

人による観察は、立ち会える人数と回数の制約からどうしても抜け出せません。全員を同じ基準で見続けようとすると、早い段階で頭打ちになるのです。

AI練習がスキルのデータ化を後押しする

AIとの反復練習は、これまで印象に頼っていたスキルを、共通の基準で比較できるデータに変えます。可視化を、一部の担当者の勘に頼る状態から、組織として運用できる仕組みへと近づけていきます。

UMUが選ばれる理由

1,000社突破
導入企業数
1億人超
ユーザー数
208以上
対応エリア
100社突破
Fortune 500企業導入
UMUとは
2015年の設立以来、10年以上にわたりエビデンスに基づく「学習の科学」に特化
ATDをはじめとする世界的な専門機関と連携し、学習の科学の知見をビジネス現場に実装
導入実績
世界トップ20製薬企業のうち18社
世界トップ5医療機器メーカーのうち4社
国内トップ5製薬企業のうち4社
国内トップ5保険会社のうち4社
国内人気企業ランキングTOP20の半数近くが導入
セキュリティ・コンプライアンス
ISO/IEC 27001:情報セキュリティマネジメントシステム (ISMS) の国際規格
ISO/IEC 27017:クラウドサービスに関する情報セキュリティ管理の国際規格
SOC 3:セキュリティ・可用性に関する第三者監査報告書
ISO/IEC 27018:クラウド上の個人情報保護に関する国際標準
ISO/IEC 27701:プライバシー情報管理に関する拡張標準
GDPR:EU一般データ保護規則
HIPAA:米国の医療情報保護に関する連邦法
ISO/IEC 42001:AIマネジメントに関する国際標準
AI活用基盤
最新のエンタープライズ向けAIモデルを採用
企業データの漏洩・再学習ゼロ
エンタープライズ水準の高度なAIカスタマイズ
ハルシネーションのリスクを効果的に低減
多様なデータに対応し、実務での活用を支援
資料をダウンロード